什么是MuAViC？

MuAViC是第一个音视频语音翻译基准，也是最大的音视频语音识别多语言基准。它包含大约 1,200 小时的跨 9 种语言的转录数据。

在无数的日常情况下，背景噪音——交通声、音乐声、其他人说话的声音——让我们更难理解别人在说什么。人类经常使用来自其他感官的信息，尤其是视觉，来帮助我们交流（正如 Harry McGurk 和 John MacDonald 在 1976 年的研究“听嘴唇和看声音”中指出的那样）。例如，如果您在一场喧闹的音乐会上与朋友交谈，您可能会关注他们的脸部以补充您能听到的内容。